36

BAB III
METODE TRIMMING PADA ANALISIS JALUR

3.1 Analisis Jalur

Analisis jalur yang dikenal sebagai path analysis dikembangkan pertama
tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Riduwan &
Engkos, 2012:1). Analisis jalur diartikan oleh Bohrnstedt (Riduwan dan Engkos,
2012:1) bahwa a technique for estimating the effects a set of independent
variables has on a dependent variabel from a set of observed correlations, given a
set of hypothesized causal asymetric relation among the variables.
Analisis jalur adalah bagian dari model Regresi yang dapat digunakan untuk
menganalisis hubungan sebab akibat antar satu variabel dengan variabel lainnya.
Sistem hubungan sebab akibat tersebut menyangkut dua jenis variabel, yaitu
variabel bebas atau yang lebih dikenal dengan variabel eksogen yang biasa
disimbolkan dengan huruf 1 , 2 , . . . , dan variabel terikat atau variabel yang
dipengaruhi, yang dikenal dengan variabel endogen yang biasa disimbolkan
dengan huruf 1 , 2 , , . Sedangkan tujuan utama dari analisis jalur adalah
a method of measuring the direct influence along each separate path in such a
system and thus of finding the degree to which variation of a given effect is
determined by each particular cause. The method depend on the combination
of knowledge of the degree of correlation among the variables in a system with
such knowledge as may possessed of the causal relations (Maruyama, Riduwan
& Engkos, 2012:1).
Dalam analisis jalur pengaruh variabel eksogen terhadap variabel endogen
dapat berupa pengaruh langsung dan tidak langsung (direct & indirect effect), atau
dengan kata lain analisis jalur memperhitungkan adanya pengaruh langsung dan
tidak langsung. Berbeda dengan model regresi biasa dimana pengaruh variabel
independen terhadap variabel dependen hanya berbentuk pengaruh langsung.

Suci Rahayu, 2013

aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

37

Pengaruh tidak langsung suatu variabel eksogen terhadap variabel endogen

adalah melalui variabel lain yang disebut variabel antara (intervening variable).
Sebagai contoh dalam riset pemasaran, pengaruh variabel bauran penjualan
terhadap variabel loyalitas pelanggan bukan hanya secara langsung tetapi secara
tidak langsung melalui variabel lain seperti variabel ekuitas merek.
Selain itu, analisis jalur merupakan suatu metode yang digunakan pada
model kausal yang telah dirumuskan peneliti atas dasar pertimbanganpertimbangan teoritis dan pengetahuan tertentu. Dengan kata lain analisis jalur
memiliki kegunaan untuk mencek atau menguji model kausal yang diteorikan dan
bukan menurunkan teori kausal tersebut (Sujana, 2003:293).
Penggunaan analisis jalur dalam analisis data penelitian didasarkan pada
beberapa asumsi berikut:
1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier,
adaptif dan bersifat normal,
2. Hanya sistem aliran kausal ke satu arah, artinya tidak ada arah kausalitas yang
berbalik,
3. Variabel terikat (endogen) minimal dalam skala ukur interval dan rasio,
4. Menggunakan sampel probability sampling, yaitu teknik pengambilan sampel
untuk memberikan peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi anggota sampel,
5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan
reliable) artinya variabel yang diteliti dapat diobservasi secara langsung, dan
6. Model

yang dianalisis

dispesifikasikan

(diidentifikasi)

dengan

benar

berdasarkan teori-teori dan konsep-konsep yang relevan, artinya model teori

yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang
mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

3.1.1 Manfaat Analisis jalur

Manfaat lain dari model analisis jalur adalah untuk:

Suci Rahayu, 2013

aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

38

1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan

yang diteliti,
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan
prediksi dengan analisis jalur ini bersifat kualitatif,
3. Faktor diterminan, yaitu penentuan variabel bebas (X) mana yang berpengaruh
dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri
mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat
(Y), dan
4. Pengujian model, menggunakan theory trimming, baik untuk uji reliabilitas (uji
keajegan) konsep yang sudah ada ataupun uji pengembangan konsep baru.

3.1.2 Diagram Jalur

Untuk menggambarkan hubungan-hubungan kausalitas antar variabel yang
akan diteliti, peneliti menggunakan model diagram yang biasa disebut paradigma
penelitian, ini digunakan untuk lebih memudahkan melihat hubungan-hubungan
kausalitas tersebut. Dalam analisis jalur model diagram yang digunakan biasanya
disebut diagram jalur (path diagram).
Diagram jalur adalah alat untuk melukiskan secara grafis, struktur hubungan
kausalitas antar variabel eksogen, intervening (intermediary) dan endogen. Untuk
merepresentasikan hubungan kausalitas diagram jalur menggunakan simbol anak
panah berkepala satu (single-headed arrow), ini mengindikasikan adanya
pengaruh langsung antara variabel eksogen atau intervening dengan variabel
endogen, anak panah ini juga menghubungkan error dengan variabel endogen,
dan untuk merepresentasikan hubungan korelasi atau kovarian diantara dua
variabel menggunakan anak panah berkepala dua (two-headed arrow). Setiap
variabel disimbolkan dalam bentuk kotak sedangkan variabel lain yang tidak
dianalisis dalam model atau error digambarkan dalam bentuk lingkaran.
Sebagai contoh perhatikan diagram jalur berikut:

Suci Rahayu, 2013

aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

39

1
1 1

Lokasi (X1)

1 1

2 2
2 1

1 2

Bauran Penjualan (Y1)

Produk (X2)

Loyalitas Pelanggan (Y2)

Gambar 3.1
Diagram jalur pengaruh lokasi dan produk
terhadap bauran penjualan dan loyalitas pelanggan.

Model ini melukiskan adanya hubungan antara variabel eksogen yaitu X1 (Lokasi)
dan X2 (Produk), dan variabel endogen yaitu Y1 (Bauran Penjualan) dan Y2
(Loyalitas Pelanggan). Setiap variabel eksogen maupun endogen (X1, X2, Y1, Y2)
digambarkan dalam bentuk persegi atau kotak sedangakn error (1 , 2 ) atau
variabel lain diluar sistem digambarkan dalam bentuk lingkaran. Hubungan X1
dan X2 menggambarkan hubungan korelasi, sedangkan hubungan antara X1, X2
terhadap Y1 dan dari Y1 terhadap Y2 menggambarkan hubungan pengaruh (causal
path). Pengaruh dari X1, X2 terhadap Y1 dan dari Y1 terhadap Y2 disebut pengaruh
langsung (direct effect), sedangkan dari X1 terhadap Y2 melalui Y1 disebut
pengaruh tidak langsung (indirect effect).

3.1.3 Koefisien Jalur

Koefisien jalur mengindikasikan besarnya pengaruh langsung dari suatu
variabel yang mempengaruhi terhadap variabel yang dipengaruhi atau dari suatu
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

40

variabel eksogen terhadap variabel endogen. Simbol atau notasi konvensional

untuk melambangkan koefisien jalur adalah (Dillon & Goldstein; Juanim,
2004:20), dimana mereplekasikan akibat (dependent variable) dan
mereplekasikan sebab (independent variable). Jika model rekursive (model satu
arah), koefisien jalur dapat di ekspresikan menggunakan korelasi sederhana atau
multiple regresi. Koefisien-koefisien jalur biasanya dicantumkan pada diagram
jalur tepat pada setiap garis jalurnya yang dinyatakan dalam nilai numerik.
Seperti telah dijelaskan diatas bahwa untuk mengestimasi koefisien jalur,
jika hanya satu variabel eksogen X yang mempengaruhi secara langsung terhadap
variabel endogen Y, maka diestimasi dengan korelasi sederhana (simple
correlation) antara X dan Y, jadi = , lihat Gambar 3.2 a). Jika variabel
endogen Y dipengaruhi oleh dua variabel eksogen X1 dan X2, maka koefisien jalur
untuk X1 terhadap Y dan X2 terhadap Y adalah bobot atau koefisien beta dalam
regresi, jadi masing-masing koefisien jalur adalah 1 = 1 dan 2 = 2 ,
lihat Gambar 3.2 b).
=
X

a) Single causal antecendent

X1

1 = 1
Y

X2

2 = 2

b) Two causal antecendent

Gambar 3.2
Sistem kausal sederhana a) single causal antecendent b) two causal antecendent.

Untuk lebih memperjelas setiap koefisien jalur pada sebuah diagram jalur
yang komplit, perhatikan kembali Gambar 3.1, dapat kita lihat koefisienkoefisien jalur sebagai berikut:
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

41

1 1 adalah koefisien jalur untuk pengaruh langsung X1 terhadap Y1.

1 2 adalah keofisien jalur untuk pengaruh langsung X2 terhadap Y1.
2 1 adalah koefisien jalur untuk pengaruh langsung Y1 terhadap Y2.
1 1 adalah koefisien jalur untuk pengaruh langsung 1 terhadap Y1.
2 2 adalah koefisien jalur untuk pengaruh langsung 2 terhadap Y2.
Koefisien jalur ditentukan menggunakan rumus:
1

1
1

Dimana
= Koefisien jalur terhadap y
= Koefisien korelasi antara variabel eksogen dan variabel eksogen
= Koefisien korelasi antara variabel endogen y dan variabel eksogen
Koefisien korelasi dihitung dengan rumus:
=

=1 =1

=1

2
2

2 (
2
=1
=1 ) ( =1 ( =1 ) )

; = 1,2, ,

3.1.4 Koefisien Determinasi dan koefisien Residu

Koefisien determinasi 2 adalah besarnya pengaruh bersama-sama variabel
eksogen terhadap variabel endogen yang dapat dijelaskan oleh model persamaan
jalur. Nilai 2 persamaan jalur yang makin mendekati 100% menunjukkan bahwa
makin banyak keragaman variabel eksogen terhadap variabel endogen yang dapat
dijelaskan dari persamaan jalur tersebut. Rumus koefisien determinasi adalah
sebagai berikut:
2 = 1 2

Dengan 2 adalah koefisien determinasi, adalah koefisien jalur terhadap ,

dan adalah koefisien korelasi antara variabel endogen dan variabel eksogen
.
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

42

Koefisien residu adalah besarnya pengaruh variabel lain di luar model

yang tidak ikut diamati. Rumus koefisien residu adalah sebagai berikut
=

1 2

3.1.5 Pengujian koefisien Jalur Secara Simultan dan Parsial

Pengujian secara simultan dimaksudkan untuk melihat pengaruh variabel
eksogen

1 , 2 , ,

secara bersama-sama terhadap variabel endogen y.

Langkah yang diperlukan dalam pengujian secara simultan adalah sebagai berikut:
1. Bentuk hipotesis statistik
H0 : 1 = 2 = = = 0
Secara bersama-sama semua variabel eksogen tidak berpengaruh terhadap
variabel endogen.
H1 1 = 2 = = 0
Ada variabel eksogen berpengaruh terhadap variabel endogen.
2. Statistik uji yang digunakan
=

( 1) 2
(1 2 )

dengan n adalah jumlah sampel, k adalah jumlah variabel eksogen, dan 2

adalah koefisien determinasi.
3. Kriteria pengujian
Hipotesis 0 ditolak apabila | | > | ,1 | atau apabila p-value (sig) >
2

, yang berarti variabel eksogen secara bersama-sama berpengaruh terhadap

variabel endogen.

3.1.6 Persamaan Struktural

Persamaan struktural atau juga disebut model struktural, yaitu apabila setiap
variabel terikat/endogen (Y) secara unik keadaannya ditentukan oleh seperangkat
variabel bebas/eksogen (X). Selanjutnya gambar yang meragakan struktur
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

43

hubungan kausal antar variabel disebut diagram jalur (path diagram). Jadi,
persamaan ini 1 = (1 ; 2 ) dan 2 = (1 ; 2 ; 1 ) merupakan persamaan
struktural karena setiap persamaan menjelaskan hubungan kausal yaitu variabel
eksogen X1 dan X2 terhadap variabel endogen Y1 dan Y2. Lebih jelasnya, maka
digambarkan diagram jalur untuk model struktural sebagai berikut:

1
X1

1 1 = 1 1

2
1 1

2 2
2 1

1 2

Y1

X2

Y2

1 2 = 1 2
Gambar 3.3
Diagram jalur hubungan kausal X1, X2 dan Y1 ke Y2.

Persamaan struktural untuk diagram jalur yaitu:

Y1= 1 1 1 + 1 2 2 + 1 1
Y2= 2 1 1 + 2 2
Jadi, secara sistematik analisis jalur mengikuti pola model struktural,
sehingga langkah awal untuk mengerjakan atau penerapan model analisis jalur
yaitu dengan merumuskan persamaan struktural dan diagram jalur yang
berdasarkan kajian teori tertentu yang telah diuraikan di atas.

3.1.7 Pengaruh Langsung, Pengaruh tidak Langsung, dan Pengaruh Total

Seperti telah dijelaskan sebelumnya bahwa analisis jalur memperhitungkan
pengaruh langsung dan tidak langsung. Berdasarkan diagram jalur kita dapat
melihat bagaimana pengaruh langsung dan tidak langsung tersebut. Pengaruh
langsung adalah pengaruh suatu variabel eksogen terhadap variabel endogen yang
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

44

terjadi tanpa melalui variabel endogen yang lain. Besarnya pengaruh langsung
suatu variabel eksogen terhadap variabel endogen adalah perkalian nilai koefisien
jalur variabel eksogen terhadap variabel endogen dengan nilai koefisien jalur
variabel eksogen terhedap variabel endogen.
Pengaruh tidak langsung adalah pengaruh suatu variabel eksogen dengan
variabel endogen yang terjadi melalui variabel endogen lain yang terdapat dalam
satu model kausal yang sedang dianalisis. Besarnya pengaruh tidak langsung
suatu variabel eksogen terhadap variabel endogen yaitu perkalian nilai koefisien
jalur variabel eksogen terhadap variabel endogen dengan nilai koefisien jalur
variabel endogen terhadap variabel endogen yang lainnya. Pengaruh total adalah
jumlah dari pengaruh langsung dan pengaruh tidak langsung.
Sebagai contoh perhatikan gambar 3.4:
1
1 1 = 0,47

Lokasi (X1)

1 1 = 0,51

2 2 = 0,72

2 1 = 0,53
1 2 = 0,54

Bauran Penjualan (Y1)

Loyalitas Pelanggan (Y2)

1 2 = 0,33

Produk (X2)

Gambar 3.4
Estimasi Pengaruh X1 dan X2 terhadap Y1 dan Y2
Pengaruh langsung (direct effect (DI))
Pengaruh dari X1, X2 terhadap Y1 dan dari Y1 terhadap Y2, atau lebih
sederhana dapat disajikan sebagai berikut:
X1 Y1 ;

1 1 = 0,47

X2 Y1 ;

1 2 = 0,33

Y1 Y2 ;

2 1 = 0,53

Pengaruh tidak langsung (indirect effect (IE))

Suci Rahayu, 2013

aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

45

Sedangkan pengaruh tidak langsung (indirect effect) adalah dari X1 terhadap Y2

melalui Y1 dan dari X2 terhadap Y2 melalui Y1, atau lebih sederhana dapat
disajikan sebagai berikut:
X1 Y1 Y2 ; 1 1 . 2 1 = 0,47 0,53 = 0,249
X2 Y1 Y2 ; 1 2 . 2 1 = 0,33 0,53 = 0,175

Pengaruh Total (Total Effect (TE))

Pengaruh total adalah penjumlahan DE dan IE (DE+IE) sebagai berikut:
TE11= 1 1 + 2 1 1 = 0,47 + 0,25 = 0,72
TE12= 1 2 + 2 1 2 = 0,33 + 0,18 = 0,52
TE212 1 = 0,53
3.1.8 Pengujian Model (Pengujian Kesesuaian Model)
Pengujian model diperlukan untuk menentukan apakah model yang diajukan
sesuai (fit) atau konsisten dengan data atau tidak. Pengujian model dilakukan
dengan cara membandingkan matrik korelasi teoritis denga matrik korelasi
empirisnya. Jika kedua matrik tersebut identik atau sesuai, maka model teoritis
yang diajukan tersebut dapat disimpulkan diterima secara sempurna.

3.2 Metode Trimming

Metode trimming adalah metode yang digunakan untuk memperbaiki suatu
model struktur analisis jalur dengan cara mengeluarkan dari model, variabel
eksogen yang koefisien jalurnya tidak signifikan (Heise; Ridwan & Engkos,
2012:127). Jadi, model trimming terjadi ketika koefisien jalur diuji secara
keseluruhan ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua,
atau lebih variabel yang tidak signifikan, peneliti perlu memperbaiki model
struktur analisis jalur yang sudah dihipotesiskan.
Cara menggunakan metode trimming yaitu menghitung ulang koefisien jalur
tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan.
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

46

3.2.1 Pengujian Metode Trimming

Langkah-langkah pengujian analisis jalur dengan menggunakan metode
trimming adalah sebagai berikut:
1. Merumuskan persamaan struktural,
2. Menghitung koefisien regresi untuk setiap sub struktur yang telah
dirumuskan,
3. Menghitung koefisien jalur secara simultan (keseluruhan),
4. Menghitung koefisien jalur secara individual,
5. Menguji kesesuaian antar model analisis jalur, dan
6. Memaknai dan menyimpulkan.

3.2.2 Pengujian Kesesuaian Model: Koefisien Q

Uji kesesuaian model (goodness-of-fitt test) dimaksudkan untuk menguji
apakah model yang diusulkan memiliki kesesuaian (fit) dengan data atau tidak.
Shumacker & Lomax (Riduwan & Engkos, 2012:146) mengatakan bahwa dalam
analisis jalur untuk suatu model yang diusulkan dikatakan fit dengan data apabila
matriks korelasi sampel tidak jauh berbeda dengan matriks korelasi estimasi
(reproduced correlation matrix) atau korelasi yang diharapkan (expected
correlation matrix). Oleh karena itu, menurut Bachrudin & Harapan Tobing
(Riduwan & Engkos, 2012:146) rumusan hipotesis statistik kesesuaian model
analisis jalur metode trimming adalah sebagai berikut:
H0: = ,

Matriks korelasi estimasi tidak berbeda (sama) dengan matriks

korelasi sampel.

H1: , Matriks korelasi estimasi berbeda dengan matriks korelasi

sampel.
Shumacker & Lomax (Riduwan & Engkos, 2012:146) memberikan petunjuk
bagaimana menguji kesesuaian model analisis jalur dengan menggunakan metode
trimming, hal ini dapat menggunakan uji statistik kesesuaian model koefisien Q
dengan rumus:
Suci Rahayu, 2013
aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu

47

2
1
1

dimana:
Q adalah koefisien Q
2

adalah 1 1 12 . (1 22 ).....(1 2 )
2
adalah
setelah dilakukan trimming

Apabila = 1 mengindikasikan model fit sempurna. Jika < 1, untuk

menentukan fit tidaknya model maka statistik koefisien Q perlu diuji dengan
statistik W yang dihitung dengan rumus:
=
dimana:
N adalah ukuran sampel.
d

adalah banyaknya koefisien jalur yang tidak signifikan sama dengan degree of

freedom = derajat kebebasan.

2

adalah koefisien determinasi multipel untuk model yang diusulkan.

2
M adalah koefisien determinasi multipel
setelah koefisien jalur yang tidak

signifikan dihilangkan.
Dasar Pengambilan Keputusan:
Tolak H0 Jika 2 ( ;)

Suci Rahayu, 2013

aplikasi Metode Trimming Pada Analisis Jalur Dalam Penentuan Model Kausal Loyalitas Pelanggan
Toserba 'X'
Universitas Pendidikan Indonesia | repository.upi.edu